Embedded Files
探索生成式科技的力量，開啟 AI 應用與溝通的全新視野
AI理論先驅
AI理論先驅
艾倫·麥席森·圖靈，OBE，FRS（英語：Alan Mathison Turing，又譯阿蘭·圖靈，Turing也常翻譯成涂林或者杜林，1912年6月23日—1954年6月7日）是英國電腦科學家、數學家、邏輯學家、密碼分析學家和理論生物學家，他被譽為電腦科學與人工智慧之父。
二次世界大戰期間，「Hut 8」小組，負責德國海軍密碼分析。 期間他設計了一些加速破譯德國密碼的技術，包括改進波蘭戰前研製的機器Bombe，一種可以找到恩尼格瑪密碼機設定的機電機器。 圖靈在破譯截獲的編碼資訊方面發揮了關鍵作用，使盟軍能夠在包括大西洋戰役在內的許多重要交戰中擊敗軸心國海軍，並因此幫助贏得了戰爭。
奠基 1940年代
奠基 1940年代
1940年代的這兩項突破奠定了人工智慧早期理論的兩大基石：
神經元的數學模型：提供了基於神經網絡的計算基礎，催生人工神經網絡的研究。
赫布規則：啟發了自動學習和記憶的機制設計，影響深遠。
這一時期的研究也為日後人工智慧領域的三大流派——連接主義（仿生學派）、符號邏輯派與統計學派的發展奠定了不同的路徑與視角。
1943年代表人物：
1943年代表人物：
Warren McCulloch（美國神經科學家）與 Walter Pitts（邏輯學家）
事件：發表論文《神經活動中內在思想的邏輯演算》（A Logical Calculus of Ideas Immanent in Nervous Activity）。
貢獻：該論文提出了神經元的數學模型，為人工神經網絡的發展奠定基礎。
重要性：
開創了人工智慧的仿生學派（連接主義）研究方向。
被視為現代人工智慧學科的誕生標誌之一。
1949年代表人物：
1949年代表人物：
Donald Hebb（加拿大神經心理學家）
事件：提出赫布規則（Hebbian Theory）於著作《The Organization of Behavior》中。
內容：
神經元間的連結強度會根據它們的共同激活次數增強，概括為：「一起發火的神經元會連在一起」（Cells that fire together, wire together）。
該理論為理解神經學習過程與自動學習算法提供了關鍵基礎。
重要性：
成為機器學習與深度學習的重要理論基石之一。
影響後來人工智慧中的神經網絡結構設計與訓練方法。
圖靈測試 1950
圖靈測試 1950
說到AI就不得不提到圖靈測試(Turing test)，這是英國電腦科學家艾倫·圖靈於1950年提出的思想實驗，圖靈亦將其稱為「模仿遊戲」，這個實驗的流程是由一位詢問者寫下自己的問題，隨後將問題傳送給在另一個房間中的一個人與一台機器，由詢問者根據他們所作的回答來判斷哪一個是真人，哪一個是機器（維基百科，圖靈測試），它亦成為人工智慧哲學中的一個重要概念。
喬治城-IBM實驗 1954
喬治城-IBM實驗 1954
在美蘇冷戰時期，雙方雖未在軍事上全面衝突，但在科技領域暗中競爭激烈。解讀蘇聯的活動與技術文件因此成為美國政界的一項重要課題，機器翻譯（MT）的發展也從原本去除語言障礙的目的轉為以軍事需求為優先考量。
1953年，艾森豪威爾（Dwight D. Eisenhower）就任美國總統（1953-1961）。由曾在中央情報局（CIA）服務的私人翻譯員里昂·多斯特（Leon Dostert）主導翻譯相關事務。他受邀在喬治城大學設立語言與語言學機構，專門為政府培訓語言學與翻譯人才。1952年，多斯特參加了麻省理工學院舉辦的首次機器翻譯會議（MT Conference）。會後，他從最初對機器翻譯的懷疑轉為熱忱，積極探索實現機器翻譯的可能性。此後，他邀請了舊識兼IBM創辦人托馬斯·J·沃森（Thomas J. Watson）合作，展開跨機構的研究。
1954年1月7日，在IBM位於紐約的總部，喬治城—IBM實驗（Georgetown–IBM Experiment）正式啟動。這次實驗使用IBM 701型計算機，成功將60多個俄語句子自動翻譯為英文，這是歷史上首次成功的機器翻譯實驗，展示了機器翻譯的巨大潛力。
資料參考：數位典藏觀察室
達特矛斯會議 1956
達特矛斯會議 1956
第一次人工智能熱潮：推論與探索的時代
達特矛斯夏季人工智慧研究計劃（英語：Dartmouth Summer Research Project on Artificial Intelligence）由約翰·麥卡錫等人於1956年8月31日首次提出，旨在召集志同道合的人共同討論「人工智慧」（此定義正是在那時提出的）。會議持續了一個月，基本上以大範圍的集思廣益為主。這催生了後來人所共知的人工智慧革命。(維基百科 達特矛斯會議)
機器人問世
機器人問世
1961年，世界上第一款工業機器人 Unimate 在美國新澤西的通用電氣工廠開始試用。它的誕生標誌著工業自動化的重大突破。
1966年，第一台能移動的機器人 Shakey 問世。Shakey是當時的一大科技創舉，能夠根據周圍環境進行決策和移動，雖然外形簡單，但它為後來的移動機器人奠定了基礎。
同年，另一個引人注目的創新是 Eliza 的誕生。Eliza是世界上第一個著名的聊天機器人，可以說是今天亞馬遜 Alexa、谷歌助理和蘋果 Siri 的「祖母」。
雖然 Eliza 沒有人形，也沒有聲音，只是一個簡單的程式，但它能通過人工編寫的「DOCTOR腳本」與人進行文字交談，模擬心理諮詢對話，讓人們初次感受到機器可以「理解」人類的語言。
這些突破性發明讓機器人和人工智慧從實驗室走向應用，開啟了人類與智能機器互動的全新篇章。(BBC NEWS 人工智能70年)
擬人機器人
擬人機器人
1970年，世界第一個擬人機器人 WABOT-1 在日本早稻田大學誕生。它的設計模仿人類的形態和功能，是機器人領域的一大里程碑。
與此同時，AI領域進入了一個深耕基礎研究的階段，主要聚焦於機器如何模擬記憶、心理學和語言理解機制。這段時間，AI的語義知識表示技術取得了重要進展，直接促進了專家系統的發展。專家系統 是基於專家知識模擬專家推理過程的AI技術，從1980年代初開始被廣泛應用於醫療診斷和其他領域。
1972年：針對細菌感染的醫療診斷系統 MYCIN 問世，診斷準確率達到69%（專科醫生的準確率為80%）。
1978年：專家系統 XCON 誕生，用於電腦銷售過程中為顧客自動配置零部件。XCON 是第一個成功投入商用的AI專家系統，被認為是當時最具影響力的一款。
1979年，斯坦福大學開啟了自動駕駛技術的研究。
但真正讓無人駕駛車輛首次完成路測，是在 1986年。當時，德國聯邦大學研製了一輛配備攝像機和感應裝置的奔馳麵包車，在無人駕駛的情況下以 每小時55英里 的速度行駛在空無一人的街道上，為自動駕駛技術的未來鋪平了道路。
這些創新標誌著AI技術在多個領域的突破，從模擬人類思維到逐步應用於現實世界，AI的實用價值日益凸顯。(BBC NEWS 人工智能70年)
人工智能的跨越與融合
人工智能的跨越與融合
1980年代，人工智能迎來了快速發展的時期。隨著數據和知識的積累，計算機學習算法不斷進步，使機器能夠根據自己的經驗自動調整程式。AI的應用開始突飛猛進，指紋識別和語音識別等技術逐步實現了落地。同時，人工智能開始與其他學科融合，特別是在生物學、哲學等領域，催生了許多新型的混合系統。
在這一時期，神經網絡學派重新興起。1984年，美國普林斯頓大學的教授 約翰·霍普菲爾德（John Hopfield） 用模擬集成電路實現了他兩年前提出的神經網絡模型，這一成就重新點燃了學界對神經網絡的興趣。同年，深度學習領域的三位先驅 英國出生的加拿大多倫多大學榮譽教授傑佛瑞·辛頓 (Geoffrey Hinton) 、加拿大計算機科學家約書亞·班吉歐 (Yoshua Bengio) 和 法國計算機科學家楊立昆 (Yann LeCun) 發表了關於反向傳播算法的重要論文，這一技術成為深度學習的基石，開啟了人工智能的新熱潮。
2024年諾貝爾物理學獎頒給 約翰·霍普菲爾德（John Hopfield）與 傑佛瑞·辛頓 (Geoffrey Hinton)，表彰他們對於機械學習的貢獻。
AI的進步不僅表現在技術上，也與大眾文化產生了深刻的聯繫。1984年，詹姆斯·卡梅隆執導的電影《終結者》上映，塑造了一個由人工智能主宰的未來世界，引發了廣泛的關注。同年，展示現實機器人技術的節目「機器戰警設計者的真實世界機器人」播出，進一步拉近了人們與人工智能的距離。
這一時期，人工智能的哲學思考也再度受到關注。1981年，美國哲學家 Hilary Putnam 在他的著作《理性、真理與歷史》中提出了著名的「缸中腦」假想：一個浸泡在營養液中的大腦，通過電腦接收各種刺激，便能產生真實的感知。這一假想與虛擬現實的概念密切相關，不僅啟發了人工智能的研究方向，還催生了許多後來的科幻作品，如《盜夢空間》《源代碼》和《阿凡達》。
總的來說，1980年代是人工智能領域的重要轉折點。從技術突破到應用落地，從哲學思考到文化融合，這一時期的發展奠定了人工智能現代化的基礎，也為未來的創新打開了新的大門。
第一次寒冬（1974-1980年）
第一次寒冬（1974-1980年）
學術報告的打擊：
學術報告的打擊：
1966年，美國自動語言處理顧問委員會（ALPAC）發表《語言與機器：翻譯和語言學中的計算機》報告，批評早期機器翻譯未達預期效果，建議停止相關研究資金投入。
1973年，英國萊特希爾教授（Sir James Lighthill）撰寫的《人工智能普查報告》對AI研究進行了全面審視，認為其成果有限，投資回報不足，不建議繼續大規模資助。
影響：
影響：
AI研究經費銳減，尤其是在機器翻譯、語言處理和通用AI領域。直接提及「人工智能」的研究少了，但相關領域如機器學習、模式識別、信息數學、基於知識的系統等開始受到重視。雖然學界部分領域仍在低調推進研究，但整體進展放緩。
第二次寒冬（1987-1993年）
第二次寒冬（1987-1993年）
商業化的挫折：
商業化的挫折：
桌面電腦的普及使得傳統AI系統顯得昂貴且性價比低。專家系統等應用未能如預期產生廣泛的商業效益，引發投資者和企業對AI失去信心。包括美國國防部在內的主要資金提供者削減AI研究經費，導致AI項目進一步萎縮。
影響：
AI研究熱潮降溫，許多項目被擱置。企業和政府的投資轉向其他更具即時應用性的技術領域。
深藍（Deep Blue）：AI的歷史性突破（1997年）
深藍（Deep Blue）：AI的歷史性突破（1997年）
深藍（Deep Blue）的誕生是人工智慧發展史上的里程碑，其背後的主要設計者之一是台灣基隆出生的許峰雄博士。許博士畢業於台灣大學電機系，後來赴美國卡內基梅隆大學（Carnegie Mellon University）攻讀博士，專注於「人機博弈」的研究。他的第一台奕棋電腦名為「晶片測試」（ChipTest），在1987年的北美電腦西洋棋冠軍賽中脫穎而出。
1996年2月10日，深藍首次挑戰俄羅斯西洋棋特級大師、前世界冠軍卡斯帕羅夫（Garry Kasparov）。比賽進行了6局，最終以深藍2比4落敗。雖然失利，這次挑戰仍顯示出深藍強大的運算能力與潛力。研究團隊吸取第一次失利的經驗，對深藍進行全面升級，並給予它非官方的暱稱「深深藍」（Deeper Blue）。1997年的版本具有每秒2億步棋的計算能力，是前一版本的兩倍。這台電腦不僅能模擬12步棋的未來局面，還融入了200多萬場國際棋局的數據分析，更針對卡斯帕羅夫的下棋風格進行調整。1997年5月，在再次與卡斯帕羅夫的對局中，深藍以3.5比2.5獲勝，成為第一台在標準比賽時限內擊敗西洋棋世界冠軍的電腦。
深藍的勝利成為AI發展的重要分水嶺。其後，IBM又開發出更先進的AI系統「華生」（Watson），這是一個能夠理解自然語言並進行分析的人工智慧程序。華生在2011年美國智力競賽節目《危險邊緣》中擊敗了人類冠軍，再次將AI推向輿論焦點。
人工智慧的應用也不再局限於西洋棋。在2016年，AlphaGo在圍棋界取得突破，擊敗了韓國頂尖棋士李世乭，證明AI在更複雜的策略遊戲中也能取得優勢。
深度學習 21世紀
深度學習 21世紀
AI 利用數據分析與算法，自動化處理資訊，並在特定領域展現超越人類的效率與精準度。應用範圍廣泛，包括語音助手、圖像識別、自動駕駛等。
生成式 AI 更進一步，能創造文字、圖片、音樂等內容，成為創意與生產力的全新工具。AI 不僅改變生活，也促進各產業創新，正快速成為全球科技發展的核心。
隨著機器學習的興起，從垃圾郵件自動分類、圖像識別到自動翻譯等應用，人工智慧技術已經深入其中。自從電腦發明以來，人類一直渴望賦予電腦類似人類的智慧。儘管Hinton在2006年提出了受限玻爾茲曼機（RBM）模型，深度學習並未立即受到重視。當時人們只是認為：“哦，類神經網絡並非完全無用。”
由於長期的忽視以及運算量過於龐大，那時主要依靠CPU進行運算。訓練一個模型往往需要耗費五天時間，若發現問題需要調整模型參數，又得再等待五天。這樣的情況使得真正訓練出一個有效模型遙遙無期。（Lynn ，硬塞科技字典）
隨著硬體技術的不斷進步，尤其是GPU的出現，大大加速了運算速度，AI研究終於迎來了春暖花開的時期。
2022年11月OpenAI開發的人工智慧聊天機器人程式 除了可以用人類自然對話方式來互動，還可以用於甚為複雜的語言工作，包括自動生成文字、自動問答、自動摘要等多種任務。在自動文字生成方面，ChatGPT可以根據輸入的文字自動生成類似的文字（劇本、歌曲、企劃等），在自動問答方面，ChatGPT可以根據輸入的問題自動生成答案。還有編寫和除錯電腦程式的能力
AI時代來了，然後呢？
AI時代來了，然後呢？
AI時代的來臨不可避免，對人類生活、工作和社會結構帶來深遠的影響。身為人類，我們可以主動採取行動，確保在這個快速變化的時代中保持適應力、創造力和價值觀的核心地位。
Page updated
Google Sites
Report abuse